低秩逼近理论及其在自然图像去噪中的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·图像去噪的研究背景 | 第8页 |
| ·图像去噪的研究现状和发展趋势 | 第8-9页 |
| ·论文的主要工作及内容安排 | 第9-12页 |
| 第二章 非局部框架下的经典去噪算法 | 第12-22页 |
| ·非局部均值滤波器 | 第12-13页 |
| ·K-SVD去噪方法 | 第13-16页 |
| ·超完备稀疏表示理论 | 第13-14页 |
| ·K-SVD去噪框架 | 第14-16页 |
| ·BM3D去噪方法 | 第16-17页 |
| ·LSSC去噪方法 | 第17-18页 |
| ·评价指标 | 第18-19页 |
| ·仿真实验与结果分析 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第三章 低秩逼近算法在图像去噪中的应用 | 第22-34页 |
| ·低秩矩阵 | 第22-26页 |
| ·RPCA16 | 第23页 |
| ·低秩矩阵的求解算法 | 第23-25页 |
| ·低秩矩阵的应用 | 第25-26页 |
| ·基于IALM算法的自然图像去噪思想 | 第26-29页 |
| ·相似集合计算 | 第26-27页 |
| ·基于IALM算法的自然图像去噪算法步骤 | 第27-29页 |
| ·实验结果和分析 | 第29-33页 |
| ·实验条件和内容 | 第29-30页 |
| ·实验结果对比 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于低秩模型的非局部自然图像去噪算法 | 第34-52页 |
| ·算法模型的引入 | 第34-35页 |
| ·矩阵奇异值的扰动分析 | 第35-37页 |
| ·自适应奇异值阈值的低秩去噪 | 第37-44页 |
| ·引言 | 第37-39页 |
| ·加权核范数 | 第39页 |
| ·算法模型的理论证明 | 第39-40页 |
| ·算法模型的Bayesian解释 | 第40-41页 |
| ·算法与SAIST的区别 | 第41-44页 |
| ·算法步骤 | 第44-45页 |
| ·仿真实验与结果分析 | 第45-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 基于低秩与稀疏模型的非局部图像去噪算法 | 第52-68页 |
| ·引言 | 第52页 |
| ·联合稀疏模型 | 第52-53页 |
| ·基于低秩与稀疏模型的非局部图像去噪 | 第53-59页 |
| ·低秩与稀疏模型 | 第53-54页 |
| ·图像块模式分类 | 第54-57页 |
| ·基于奇异值的维纳滤波 | 第57-58页 |
| ·相似性矩阵的差异分量 | 第58-59页 |
| ·算法步骤 | 第59-60页 |
| ·仿真实验与结果分析 | 第60-66页 |
| ·本章小结 | 第66-68页 |
| 第六章 总结与展望 | 第68-72页 |
| ·论文总结 | 第68-69页 |
| ·展望 | 第69-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 研究生在读期间的研究成果 | 第78-79页 |
